Computer Vision with Google Colab and TensorFlow Training Course

До края на това обучение участниците ще могат да:

Това обучение, водено от инструктор в България (онлайн или на място), е предназначено за начинаещи данни научници и IT професионалисти, които искат да научат основите на наука за данни с Google Colab.

• Настройка и навигация в Google Colab.
• Написване и изпълнение на базов Python код.
• Въвеждане и обработка на набори от данни.
• Създаване на визуализации с Python библиотеки.

Към края на това обучение, участниците ще могат да:

Това обучение с инструктор на живо (онлайн или на място) е предназначено за начинаещи данни научници, които искат да научат как да създават смислени и визуално привлекателни данни визуализации.

• Настрояване и навигация в Google Colab за визуализация на данни.
• Създаване на различни видове графики с Matplotlib.
• Използване на Seaborn за напреднали техники за визуализация.
• Персонализация на графиките за по-добро представяне и яснота.
• Интерпретиране и представяне на данни ефективно с визуални инструменти.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към служители на правоприлагащите органи на ниво начинаещи, които желаят да преминат от ръчно лицево скициране към използване на AI инструменти за разработване на системи за лицево разпознаване.

До края на това обучение участниците ще могат:

• Разберете основите на изкуствения интелект и Machine Learning.
• Научете основите на цифровата обработка на изображения и нейното приложение при разпознаване на лица.
• Развийте умения за използване на AI инструменти и рамки за създаване на модели за лицево разпознаване.
• Придобийте практически опит в създаването, обучението и тестването на системи за лицево разпознаване.
• Разберете етичните съображения и най-добрите практики при използването на технология за лицево разпознаване.

Fiji е пакет за обработка на изображения с отворен код, който обединява ImageJ (програма за обработка на изображения за научни многоизмерни изображения) и редица добавки за научен анализ на изображения.

В това обучение на живо, ръководено от инструктор, участниците ще се научат как да използват дистрибуцията на Фиджи и основната програма ImageJ, за да създадат приложение за анализ на изображения.

До края на това обучение участниците ще могат:

• Използвайте усъвършенстваните функции за програмиране и софтуерни компоненти на Фиджи, за да разширите ImageJ
• Слепете големи 3D изображения от припокриващи се плочки
• Автоматично актуализиране на инсталация на Фиджи при стартиране с помощта на интегрираната система за актуализиране
• Изберете от богат набор от скриптови езици, за да създадете персонализирани решения за анализ на изображения
• Използвайте мощните библиотеки на Фиджи, като ImgLib върху големи набори от данни за биоизображения
• Внедрете тяхното приложение и си сътрудничете с други учени по подобни проекти

Формат на курса

• Интерактивна лекция и дискусия.
• Много упражнения и практика.
• Практическо внедряване в лабораторна среда на живо.

Опции за персонализиране на курса

• За да поискате персонализирано обучение за този курс, моля свържете се с нас, за да уговорим.

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към изследователи от начинаещи до средно ниво и лабораторни специалисти, които желаят да обработват и анализират изображения, свързани с хистологични тъкани, кръвни клетки, водорасли и други биологични проби.

До края на това обучение участниците ще могат:

• Навигирайте в интерфейса на Фиджи и използвайте основните функции на ImageJ.
• Предварителна обработка и подобряване на научни изображения за по-добър анализ.
• Анализирайте изображенията количествено, включително броене на клетки и измерване на площ.
• Автоматизирайте повтарящи се задачи с помощта на макроси и добавки.
• Персонализирайте работните процеси за специфични нужди от анализ на изображения в биологичните изследвания.

След края на това обучение участниците ще бъдат в състояние да:

Това обучение с инструктор на живо (онлайн или на място) е направено за данни учени и разработчици на среден ниво, които искат да приложат алгоритми за машинно обучение ефективно, използвайки Google Colab средата.

• Настройте и навигирайте Google Colab за проекти за машинно обучение.
• Разберете и приложете различни алгоритми за машинно обучение.
• Използвайте библиотеки като Scikit-learn за анализ и предвиждане на данни.
• Реализирайте модели за контролирано и неконтролирано обучение.
• Оптимизирайте и оценивайте модели за машинно обучение ефективно.

OpenCV (Библиотека с отворен код Computer Vision: http://opencv.org) е библиотека с отворен код, лицензирана за BSD, която включва няколко стотици алгоритми за компютърно зрение.

Публика

Този курс е насочен към инженери и архитекти, които искат да използват OpenCV за проекти за компютърно зрение

Това водено от инструктор обучение на живо в България (онлайн или на място) е насочено към софтуерни инженери, които желаят да програмират в Python с OpenCV 4 за задълбочено обучение.

До края на това обучение участниците ще могат:

• Преглеждайте, зареждайте и класифицирайте изображения и видеоклипове с помощта на OpenCV 4.
• Приложете дълбоко обучение в OpenCV 4 с TensorFlow и Keras.
• Изпълнявайте модели за дълбоко обучение и генерирайте въздействащи отчети от изображения и видеоклипове.

OpenFace е Python и Torch базиран софтуер с отворен код за лицево разпознаване в реално време, базиран на Google's FaceNet изследвания.

В това обучение на живо, ръководено от инструктор, участниците ще се научат как да използват компонентите на OpenFace, за да създадат и внедрят примерно приложение за лицево разпознаване.

До края на това обучение участниците ще могат:

• Работете с компонентите на OpenFace, включително dlib, OpenVC, Torch и nn4, за да реализирате разпознаване на лица, подравняване и трансформация
• Приложете OpenFace към приложения от реалния свят като наблюдение, проверка на самоличността, виртуална реалност, игри и идентифициране на повтарящи се клиенти и др.

Публика

• Разработчици
• Учени по данни

Формат на курса

• Част лекция, част дискусия, упражнения и тежка практическа практика

Pattern Matching е техника, използвана за локализиране на определени модели в изображение. Може да се използва за определяне на съществуването на определени характеристики в заснето изображение, например очаквания етикет върху дефектен продукт във фабрична линия или определените размери на компонент. Той е различен от "Pattern Recognition" (който разпознава общи модели, базирани на по-големи колекции от свързани проби) по това, че конкретно диктува какво търсим, след което ни казва дали очакваният модел съществува или не.

Формат на курса

• Този курс представя подходите, технологиите и алгоритмите, използвани в областта на съпоставянето на шаблони, както се прилага към Machine Vision.

До края на това обучение, участниците ще могат да:

Това инструкторско обучение на живо (онлайн или на място) е предназначено за начинаещи разработчици и аналитици на данни, които искат да научат Python програмиране от нула, използвайки Google Colab.

• Разберете основните концепции на езика за програмиране Python.
• Въведете Python код в средата на Google Colab.
• Използвайте контролни структури за управление на потока на програмата на Python.
• Създавайте функции за организиране и повторно използване на кода ефективно.
• Разглеждайте и използвате основни библиотеки за Python програмиране.

Това водено от инструктор обучение на живо въвежда софтуера, хардуера и процеса стъпка по стъпка, необходими за изграждане на система за лицево разпознаване от нулата. Разпознаването на лица е известно още като Face Recognition.

Хардуерът, използван в тази лаборатория, включва Rasberry Pi, модул на камерата, серво (по избор) и т.н. Участниците са отговорни за закупуването на тези компоненти сами. Използваният софтуер включва OpenCV, Linux, Python и др.

До края на това обучение участниците ще могат:

• Инсталирайте Linux, OpenCV и други софтуерни помощни програми и библиотеки на Rasberry Pi.
• Конфигурирайте OpenCV за заснемане и откриване на изображения на лицето.
• Разберете различните опции за опаковане на система Rasberry Pi за използване в реални среди.
• Адаптирайте системата за различни случаи на употреба, включително наблюдение, проверка на самоличността и др.

Формат на курса

• Част лекция, част дискусия, упражнения и тежка практическа практика

Забележка

• Други хардуерни и софтуерни опции включват: Arduino, OpenFace, Windows и др. Ако желаете да използвате някое от тях, моля, свържете се с нас, за да уговорим.

Този инструкторски воден, живо обучение на България (онлайн или на място) е направено за професионалисти на средно ниво, които искат да използват Vision Builder AI, за да проектират, имплементират и оптимизират автоматизирани системи за инспекция за процеси на SMT (повърхностно монтиране).

До края на това обучение участниците ще могат да:

• Настрояват и конфигурират автоматизирани инспекции, използвайки Vision Builder AI.
• Придобиват и предобработват изображения с високо качество за анализ.
• Имплементират логически решения за откриване на дефекти и валидиране на процеса.
• Генерират отчети за инспекции и оптимизират производителността на системата.